神经网络中的损失函数如何选择
一般，选择损失函数的标准是，损失函数能够刻画你的任务的一些insight。比如：回归问题，你希望神经网络输出的值与ground-truth的距离更近，选取能刻画距离的loss应该会更合适，比如L1 Loss、MSE Loss等分类问题，你希望神经网络输出的类别与ground-truth的类别一致，选取能刻画类别分布的loss应该会更合适，比如cross_entropy...
·
一般，选择损失函数的标准是，损失函数能够刻画你的任务的一些insight。
比如：
- 回归问题，你希望神经网络输出的值与ground-truth的距离更近，选取能刻画距离的loss应该会更合适，比如L1 Loss、MSE Loss等
- 分类问题，你希望神经网络输出的类别与ground-truth的类别一致，选取能刻画类别分布的loss应该会更合适，比如cross_entropy
技术共进，成长同行——讯飞AI开发者社区
更多推荐
1
0- 0
已为社区贡献2条内容
所有评论(0)